《精不确推理方法研究电气工程及自动化工学--大学毕设论文.doc》由会员分享，可在线阅读，更多相关《精不确推理方法研究电气工程及自动化工学--大学毕设论文.doc（80页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、工学硕士学位论文不精确推理方法研究xxxxxxx工业大学20xx 年 7 月国内图书分类号：TP306+.3 国际图书分类号: 621.3工学硕士学位论文不精确推理方法研究硕 士 研 究 生：xxx导师：xxx 教授申请学位：工学硕士学 科 、 专 业：仪器科学与技术所在单位：电气工程及自动化 答辩日期：20xx 年 7 月 6 日 授予学位单 位：xxx工业大学Classified Index: TP306+.3 U.D.C.: 621.3Dissertation for the Master Degree in EngineeringRESEARCH ON UNCERTAINTY REAS
2、ONING ALGORITHMSCandidate：Weidi JiaSupervisor：Prof. Shenghe SunAcademic Degree Applied for：Master of EngineeringSpeciality：Instrumentation Science and TechnologyUnit：Department of Electrical EngineeringDate of Oral Examination：July, 6th, 2007University：Harbin Institute of Technologyxxx工业大学工学硕士学位论文摘要
3、随着现代化生产的不断发展和科学技术的进步，现代设备的功能越来越 完善，结构也越来越复杂。如果设备出现故障，维修人员又不能快速准确的 对故障加以定位和处理，就会发生严重的甚至灾难性的事故，造成巨大的经 济损失。为了减小各种故障发生时带来的负面效应，不但要求监测和维修人 员具有较高的技术素质，同时也要求现代诊断设备的精密化和智能化的程度 较高，因此基于人工智能推理机的研究变得越来越重要。近年来，不精确推 理作为人工智能推理机的核心研究内容得到了不断发展和创新。本文详细地阐述了不精确推理的基本概念，重点介绍了概率推理，证据 推理以及模糊推理三种不精确推理方法，分析了其基本原理，并利用 MATLAB
4、对典型不精确推理方法的基本特性进行了仿真实验分析。实现了 经典不精确推理方法的基本算法设计，以及算法特性的验证分析，得出了每 一种方法的适用条件和使用时应该注意的问题，为不精确推理的应用设计提 供了基础理论和实验依据。另外，本文结合文献中提出的实现方法和已完成 的实验，利用 VC+的动态链接库对基本不精确推理方法进行了通用性扩展 和算法封装，探讨了经典方法的实际应用问题。在基本方法分析和应用分析的基础上，综合运用 ASP 和 JSP 语言，以 模糊推理和模糊匹配原理为基础，在 DreamWeaver MX 2004 的开发环境中 设计并编写了导弹故障诊断系统的推理机程序。经过调试及局域网环境测
5、 试，系统能够对数据库中的相关内容进行模糊识别，并且能够模糊推理出正 确的结果。关键词不精确推理；推理机；故障诊断；模糊匹配IAbstractWith the development of modern production and improvement of science and technique, the function of modern devices has been more and more complicated. If failures happened, it would lead to serious damage and even economic loss w
6、ithout finding and disposing failures rapidly and exactly. To reduce the negative effect of such failures, it not only requires people with high technique, but also requires more exact and intelligent modern diagnosis devices. So the researches of reasoning machine based on artificial intelligence b
7、ecome more and more important. Recent years, the research of uncertainty reasoning as the core of artificial intelligence reasoning machine has been continuous developed and innovated.This thesis expounds the basic concepts of uncertainty reasoning and chiefly illustrates the main pointthe research
8、of uncertainty reasoning algorithms, including probability reasoning, evidence reasoning and fuzzy reasoning. Itanalyzes these uncertainty reasoning methods and simulate their characteristics on MATLAB. These classical uncertainty reasoning algorithms has been validated and simulated, and the simula
9、tion results show the restrictions and proper conditions when using these algorithms to design uncertainty reasoning machines, which provides basic theories and experimental evidences for uncertainty reasoning. According to the literature and experiments of uncertainty reasoning methods, the thesis
10、takes use of Visual C+ to program the algorithms with DLL and extends the access in reasoning system and discusses the extended application.Then, a reasoning machine of missile fault diagnosis system has been designed and programmed in the DreamWeaver MX 2004 development with ASP and JSP programming
11、 language, based on the fuzzy reasoning and fuzzy matching principle. The system can identify the related knowledge in the database with fuzzy theory and reasoning the correct results in LAN.Keywords Uncertainty reasoning; Reasoning machine; Fault diagnosis; Fuzzy matchingII目录-4-摘要IAbstractII第 1 章 绪
12、论11.1 不精确推理的基本概念11.1.1 概率推理21.1.2 证据推理31.1.3 模糊推理41.1.4 四种理论模型的比较分析41.2 国内外研究现状71.3 课题的背景、目的和意义91.4 主要研究内容101.5 本文的结构11第 2 章 基于概率推理的不精确推理方法研究122.1 概率推理概述122.1.1 确定性理论122.1.2 主观贝叶斯理论142.2 基于概率推理的不精确推理方法研究182.2.1 一般不精确推理算法模型182.2.2 确定性理论推理算法研究192.2.3 主观贝叶斯理论推理算法研究212.3 仿真实验与分析222.3.1 确定性理论仿真试验及分析222.3
13、.2 主观贝叶斯理论仿真实验及分析262.4 本章小结28第 3 章 基于证据推理的不精确推理方法研究293.1 证据推理概述293.2 基于证据推理的不精确推理方法研究333.3 仿真实验与分析363.4 本章小结39第 4 章 基于模糊推理的不精确推理方法研究414.1 模糊推理概述414.2 基于诊断知识的模糊描述414.3 模糊可信度的计算444.4 字符串的模糊匹配原理464.5 本章小结48第 5 章 不精确推理方法应用分析505.1 不精确推理方法的模型分析505.2 不精确推理的数据预处理515.3 不精确推理的算法封装535.3.1 动态链接库概述545.3.2 动态链接库的
14、实现方法545.3.3 不精确推理封装算法的实现555.4 模糊推理的应用分析585.4.1 模糊推理机的总体设计方案585.4.2 模糊推理机的实现605.5 不精确推理机在故障诊断中的应用展望625.5.1 不精确推理机进行故障诊断的优势625.5.2 不精确推理机在故障诊断中的应用635.6 本章小结63结论64参考文献65攻读学位期间发表的学术论文69xxx工业大学硕士学位论文原创性声明70xxx工业大学硕士学位论文使用授权书70xxx工业大学硕士学位涉密论文管理70致谢71第1章 绪论1.1不精确推理的基本概念从认识论的角度来看，人类认识客观世界的认识论，实质上是一种对客观 存在的反
15、映，客观世界的不确定性决定了人类认识的不确定性。以图 1-1 左侧 图为例，有人看到的是一个少女，而有些人看到的则是一个老妇人。这是因为 视觉对图像的不同部位注意程度有差异，注意整体还是注意局部，使得人们对 相同的事物看到不同的结果。只注意到头发和衣领间的局部，可把它看成少女 的侧面；而如果将少女的下巴部位看成是鼻子，少女的项链部位看成是嘴，就 变成了一幅老妇人的画像。这就是视觉的不确定性。视觉还会有错觉。对于图 1-1 右侧的图，人们会认为小圆内部的圆比大圆内部的圆要大，而实际上它们 一样大。背景的干扰使得人们产生了错觉。眼睛还会因为光照、角度、色彩、 运动等诸多因素的影响而产生幻觉1。可以
16、看出，不确定性是客观存在，这种 客观存在使它受到科学家们的广泛关注和重视。图 1-1 视觉感知的不确定性和错觉在许多专业领域中，如经济分析、医疗诊断、人口预测、气象预报、矿产 勘探、故障检测、军事指挥等，系统在进行分析预测时，可利用的证据和知识 往往是不确定的，传统的逻辑难以对这些不确定性知识进行推理并做出判断， 参考同样情况下的人类的思维却能有效的处理这类知识。因而出现了利用不确 定性的知识解决问题的不精确推理的理论。所谓不精确推理就是在“公理”（如领域专家给出的规则强度和用户给出的 原始证据的不确定性）的基础上，定义一组函数，求出“定理”（非原始数据的 命题）的不确定性的度量。也就是说，根
17、据原始证据的不确定性和知识的不确 定性，求出结论的不确定性。- 72 -在研制和开发专家系统的实际过程中，领域专家的知识和我们要处理的信 息往往是不确定的、不精确的、不完全知道的，甚至是模糊的、不完备的、彼 此不一致的和时变的2。因此，为了要把这些不确定的知识表示在专家系统 中，并且能用这些形式化了的不确定的知识进行判断、推理和决策，除了要研 究不确定和不精确知识的表示方法外，还要探讨不精确的推理方法。在客观世 界中，有很多事实是不确定的，而事实与结论之间也不是必然的因果关系，它 们是一个模糊集合3。可以说，专家系统设计中不精确推理的使用，几乎是难 于避免的，成为一个涉及到专家系统设计成败的重
18、要问题。因此，不确定推理 模型是专家系统的一个核心研究内容。现在，人们提出的不精确推理模型可以说是不计其数，其中有代表性的方 法主要有以下三种方法：概率推理、证据理论和模糊理论45678。下面将讨 论这三种方法并分析它们各自的特点以及它们之间的相互关系。1.1.1 概率推理人们根据不确定性信息作出推理和决策需要对各种结论的概率作出估计， 这类推理称为概率推理。概率推理9主要包括确定性理论和主观贝叶斯理论， 这一领域的探讨对揭示人们对概率信息的认知加工过程与规律、指导人们进行 有效的学习和判断决策都具有十分重要的理论意义和实践意义。1.1.1.1 确定性理论 确定性理论（ Confirmatio
19、n Theory ）是由肖特里菲 （E.H.Shortliffe）等人提出的一种不精确推理模型，并于 1976 年首次在血液病 诊断专家系统 MYCIN 中得到了成功应用10。在确定性理论中，确定性是用可 信度来表示的，因此又称为可信度方法（即 Confirmation 模型）。它是不精确 推理中使用最早、最简单且又十分有效的一种推理方法。目前，有许多成功的 专家系统都是基于这一方法建立起来的。Heckerman 针对 MYCIN 的不确定推理模型，给出了顺序组合运算和平行 组合运算应满足的公理。Driankov 针对置信区间表示的不确定性度量，给出了 “与”、“或”、“非”组合以及顺序组合、
20、平行组合等五个运算应满足的公理。王 申康教授也针对 MYCIN 的不确定推理模型，给出了传播运算应满足的一些描 述性的条件。所有以上这些工作都是针对某种特殊情况进行抽象的11。确定性理论通过对给定规则下的数据计算，给出确定性因子的结果，即确 定性理论的推理结果。该方法比较简单、直观，易于掌握和使用。但是，对于 其它复杂的系统来说，如果不精确推理链过长或推理顺序经常改变时，该算法可能会引起传递误差的增加，导致推理结果不准确。因此，该方法适用于不精 确推理链较短且推理顺序不易改变的情况。1.1.1.2 主观贝叶斯理论 主观贝叶斯方法是由杜达（R.O.Duda）等人于 1976 年提出的一种不精确推
21、理模型，并成功地运用于地矿勘探专家系统 PROSPECTOR 中10。它使用概率分布来处理不确定性问题。主观贝叶斯理论是基于贝叶斯规则的计算方法，具有公理基础和易于理 解的数学性质。它提供了两个规则强度，恰当地处理了证据存在和不存在两 种情况对假设的影响，该方法应用分段线性插值方法较好地处理了主观概率 的数学不一致性。不过，在一个大型专家系统中，要求所有假设的概率都是 独立的是不可能的12。此外，在系统中增加或删除一个假设时，为了保证系 统的相关性和一致性，还必须重新计算所有概率，计算量也会大大增加。贝叶斯网络又称为信度网络1314（belief networks），是 Bayes 方法的扩
22、展，也是目前不确定知识表达和推理领域最有效的理论模型之一12 15。从 1988 年由 Pearl 提出后16，已经成为近十几年来研究的热点。贝叶斯网络是一 种基于网络结构的有向图解描述17，是人工智能、概率理论、图论、决策分 析相结合的产物，适用于表达和分析不确定性和概率性的事物，应用于有条 件地依赖多种控制因素的决策18，可以从不完全、不精确或不确定的知识或 信息中做出推理。20 世纪 90 年代，有效的推理和学习算法大大推动了贝叶斯 网络19的发展和应用，首先在专家系统得到了广泛的应用。随着可以商业应 用的贝叶斯网络分析软件的产生，贝叶斯网络得到了推广，在很多领域取得 了广泛的应用，成为
23、概率知识表达的最强有力的工具之一20，同时也成为研 究的热点问题之一。1.1.2 证据推理证据理论是由 Dempster 首先提出，并由 Shafer 进一步发展起来的一种处 理不确定性的理论，因此又称为 Dempster-Shafer 理论21。可用来处理由不知 道而引起的不精确性，而且不必事先给出知识的先验概率。证据理论满足比概 率论弱的公理，能够区分“不确定”与“不知道”的差异，并能处理由“不知道”引 起的不确定性，当概率值为已知时，证据理论就变成了概率论。所以证据理论 有时也被称为广义概率论。该理论提出的初期并没有引起人们的重视，直到80年代Barnett、Friedman 等人将这个
24、方法应用于专家系统，才认识到它具有利用证据的积累可以缩小假设置信区间的重要优点，从此受到人们的重视。 证据理论是在主观贝叶斯理论的基础上进行了推广。对于复杂的系统，一般情况下规则都是合成的，证据理论可以完成这类不精确推理，处理不知道和 不确定之间的关系，依靠证据的积累缩小置信区间。不过由于证据理论在数值 上缺乏稳定性，一个很小的变化会导致很大的误差，并且要求系统的数据要互 相独立。1.1.3 模糊推理Zadeh 在 1965 年首先提出了模糊集合理论，1978 年又将他的模糊集合理 论应用到近似推理方面，形成了可能性理论22（Possibility Theory）。可能性 理论的基本思想是要确
25、定诸如可能性、可能性分布、可能性分布函数、条件可 能性分布函数、边缘可能性分布函数等测度以及它们之间的关系。同时，还要 确定各种模糊命题的转换规则和不确定命题的推理规则等。模糊推理的理论基础是可能性理论以及在此基础上发展起来的模糊逻辑， 它的算法形式灵活，根据不同的问题形式可进行有针对性的处理，模糊推理算 法广泛应用于词汇识别等应用领域。1.1.4 四种理论模型的比较分析（1） 不精确推理模型分别从不同的观点来处理不确定性。其中，在确定性理论中，不确定性是证实（或支持）的程度；在主观 Bayes 方法中，不确定性看作是概率；在证据理论中，不确定性看作是可信 度，而在模糊集理论中，不确定性看作是
26、集合的隶属度7。在主观 Bayes 方 法、证据理论和模糊集理论中，实体的不确定性由区间0，1中的一个数值来 确定，而在确定性理论中，范围则是-1，1。主观 Bayes 方法和确定性理论都只用了一个数值来表示不确定性，即主观 Bayes 方法采用主观概率（先验可能性），确定性理论采用可信度。在一般情 况下，用一个数值来表示知识的不确定性，反映不出对知识的不知道信息，而 证据理论是采用两个数值来描述知识的不确定性，所以就不存在上述缺点。在 主观 Bayes 方法中，先验概率由专家给出，当在没有任何证据的情况下，专家 可能非常不愿意给出，特别在涉及一些不常出现但却是非常重要的事件时更会 如此。确定
27、性理论从这方面可以在一定程度上适应这种实际情况。（2） 不精确推理模型是按什么方式以获得不确定值以及如何处理这些不确定值的方法都是不相同的。不确定性在推理网络中传播时，对每一个证据 S 要求一个不确定值7，这 些值按一定的方式进行处理以获得假设 d 的不确定值。在 Bayes 方法中，不确定值（即先验概率）可由统计分析得到（如频率分 析），给出一个足够大的样本空间，对一个证据，所有的观察者都能得出基本 上一样的不确定性值23。因此，这些不确定值可以认为是客观的。主观的方法 也可用来获得概率，例如，可以采用专家的估计。其它三种模型都没有定义的 很好的客观方法来获得不确定值，它们都是由主观方法来确
28、定的。每个证据的不确定值可以事先获得并存储在系统中，或者在需要时提供给 系统。在 Bayes 演算中，不确定值（即先验概率）一般是由系统事先获得并存 储的，在其它三种演算方法中，不确定值是与证据一起提供的：在证据理论 中，与每个证据一起提供一个基本概率分配函数（BPA），在模糊集理论中， 每个证据都带有一个隶属度，在确定性理论中对每个证据提供一个确定性因子 CF。（3） 不精确推理模型区分不知道和不确定的方法也是各不相同的。在主观 Bayes 方法中，表达“不知道”是困难的，因为每个实体都必须赋给 一个概率。一个可能的方法是给所有事件赋给一个相等的概率来表达“不知 道”，但这种方法也有困难；另
29、一种可能的方法是使用无论什么知识对得到“合 理”赋值都是有效的，例如假定事件 d1 有先验概率 P（d1）=0.6， d2 有先验概 率 P（d2）=0.4，此时在观察 S 下的条件概率 P（d1|S）和 P（d2|S）都是不知 道，则赋值 P（d1|S）=0.6， P（d2|S）=0.4，这看上去是合理的，但这又无法 区分这是任意赋的值，还是实际上的条件概率值。在证据理论中，用给大子集赋给信任值的方法来表示不知道，即给出更多 的知识，信任值分派给更小的子集，甚至是单元素集合，另外，信任区间的大 小也可以反映不知道的程度。在确定性理论中，确定性因子为零可用来表示不 知道，但这不能与证实相等的情
30、况相区别。（4） 不精确推理模型采用的推理方法不完全相同。确定性理论，主观 Bayes 方法和证据理论采用的都是基于概率理论的似然 推理方法，而模糊集理论采用的是近似推理即模糊推理的方法。（5）不精确推理模型的计算复杂度也不完全相同。主观 Bayes 方法具有指数信息复杂度，证据理论具有信息和时间两方面的 指数复杂度，而确定性理论和模糊集理论在信息和时间两方面都仅具有线性复 杂度。（6）确定性理论、主观 Bayes 方法及证据理论这三种不精确推理的理论基础 是概率论。概率沦是研究和处理随机现象的好方法23。概率方法可以表示信任 程度，但无法表示已知程度，要求先验概率，并有独立性条件。与概率论相
31、 比，模糊集理论对模糊事件、模糊量词显得得心应手，是研究和处理模糊现象 的好方法。它用模糊逻辑作为表示不确定知识的模式，对不确定性的处理并不 企图给出确定的、完全的解决方法，但它能够解决基于概率的方法中的一些不 能有效处理或不能正确处理的问题。通过前面的分析比较可得出不精确推理模型的各自特点以及它们的相同和 不同之处。为了对这些不精确推理模型有一个全面而简明的了解，可将这四种 不精确推理模型的性能比较结果列于表 1-1。表 1-1 四种理论模型的性能比较分析确定性理论主观贝叶斯理论证据理论可能性理论提出者E. H. ShortliffeR. O. DudaA.DempsterZadeh产生时间
32、1975197619811978引起不确定的 原因随机现象随机现象随机和不确切现象模糊现象适于处理的不 确定类型概率概率概率和模糊模糊处理不确定的 方法用可信度刻划的 数值计算用先验可能性的 数值计算用确定性 CER 的数 值计算用隶属函数 的数值计算不确定性的给 定方法主观主、客观主观主观推理方法似然推理似然推理似然推理近似推理能否区别不确 定和不知道困难困难可以可以不确定性的表 现形式支持程度-1，1概率0，1可信度0，1隶属度0，1计算复杂度线性信息、时间 复杂度指数信息 复杂度指数信息、时间 复杂度线性信息、 时间复杂度1.2国内外研究现状人工智能是近 30 多年来计算机科学的一个重要
33、的研究领域，受到各个方 面科学家的广泛重视。而人工智能中的推理研究又是最为活跃的研究方向之 一。计算机的设计基于“非此即彼”的经典逻辑，本质上是采用演绎推理的功 能，这种推理是一种“保真”的推理。而真正模拟人的思维活动的智能计算机， 都是实现某种“合情”的推理，因此它是一种近似的推理。这样，就需要研究某 种具有“非单调”性和“非协调”性，即具有某种“容错”性，部分地描写了思维过 程的不确定性的推理24。人工智能的整个发展过程就是伴随着不精确推理的研 究过程。自 1956 年 McCarthy 和 Minsky 等人在关于机器模拟智能的学术讨论会上 提出人工智能以来，科学家们对人工智能的专家系统
34、及其推理机进行了大量的 研究和实验。人工智能就是研究如何使计算机去做过去只有人才能做到的智能 的工作。因此，人工智能是关于知识的科学，它要求人们去解决利用机器如何 表示知识，如何获得知识，如何使用知识，如何去不断地根据实例修正知识。 所以，知识在这里是一种常识，具有局部的和暂时的合理性，随着时间的推 移，知识将不断地得到修正和更新24。推理可以分为演绎推理和常识推理：以严格的经典逻辑为基础的推理是一 种演绎推理，而常识推理本质上是一种非演绎推理。虽然演绎推理也是一种人 类的智能活动，不过人工智能中的推理主要指常识推理24。演绎推理有一定抽 象的理论承诺，他所使用的概念是清晰的，对于任何人都有相
35、同的含义，因此 它是确定的；而常识推理中使用的概念是模糊的，不确定的，对于不同的人可 能会有不同的理解，具有不确定性。不确定性推理是常识推理中最为活跃的研究领域之一，也是计算机智能系 统走向实用化的一个重要方面。不确定性推理有许多方法，包括：定量方法、 定性方法、以及定性与定量混合的方法24。不过不确定性推理的定量方法易于 在计算机上的到实现，所以现在广泛采用这一方法。它是对不确定信息的表示 和度量。不同的信息表示与度量方法即构成不同的不确定性推理。目前常用的 方法有基于概率推理的方法，基于证据理论的方法和基于模糊推理的方法。不精确推理方法在故障诊断技术领域的应用比较成熟。在诊断系统设计之 前
36、，首先必须对被诊断对象有一个充分的了解，而且无论采用何种技术，诊断 系统的设计总是建立在专家知识的基础之上，以知识作为指导。神经网络能够通过自身的学习了解被学习对象，能够进一步描述对象的结构、参数和特性， 尤其是对一些不确定对象和非线性对象能够给出合理的和准确的描述，因而神 经网络系统也被广泛地应用在故障诊断这样的智能应用领域。研究较多且比较 成熟的技术有观测器技术、小波变换技术、人工神经网络技术及专家系统技术 等。基于主观贝叶斯方法的贝叶斯网络作为一种重要的应用概率推理模型，于 1986 年由 Pearl 提出，该网络使用概率理论来处理知识的不确定性，提供了一 种将知识直觉地图解可视化的方法
37、，是一种新的知识表示模型和推理方法。在 贝叶斯网络推理中，主要有因果推理和诊断推理两种推理方式。经过十几年的发展，贝叶斯网络广泛应用于诊断与故障检测、医疗诊断、 交通管理、军事目标自动识别、数据挖掘、作战意图自动估计、信息融合等方 面。已成为不精确知识表达与推理领域研究的热点。值得一提的是 IBM Watson 研究所的茨威格博士（Geoffrey Zweig）和西雅 图华盛顿大学的比尔默（Jeff Bilmes）教授完成了一个通用的贝叶斯网络的工 具包，提供给对贝叶斯网络有兴趣的研究者。贝叶斯网络在图像处理、文字处 理、支持决策等方面有很多应用。在文字处理方面，语义相近的词之间的关系 可以用
38、一个贝叶斯网络来描述。我们利用贝叶斯网络，可以找出近义词和相关 的词，在 Google 搜索和 Google 广告中都有直接的应用。证据理论目前应用领域主要在决策、预测、人工智能和专家系统等。并且 基于证据理论的重要优点，很多研究者又将其应用于遥感、医疗诊断、模式识 别和分类等领域。国内从八、九十年代开始对证据理论进行理论和应用初探， 积累了一定的成果，其应用主要集中在工业故障诊断、模式识别和专家系统 等。该理论的局限性是在应用时往往得到与直觉相悖的结果，Yager 率先发现 冲突证据组合时产生的问题，并提出将冲突信息部分归结为未知以减小冲突， Dubois 则进一步提出组合中的冲突应适当予以
39、保留；此后的学者不断进行改 进，比较一致的看法是使用“距离”衡量证据的相似度以缓解冲突25；划分子集 区别对待；采用优先级/加权组合思想和增加的可调节能力使融合结果更具有 灵活性，便于融入人类经验。模糊理论随着模糊数学的发展，已在非常广泛的领域得到了成功的应用。 在模式识别领域中，模糊理论用于模式识别，其特点是与神经元网络及人工智 能技术的紧密结合。基于人工神经元网络对工程图纸标注符号识别的方法，采 用 BP 算法来实现，基本思想是根据网络的输出误差，从输出层开始，反过来逐层调整网络的权值，最终使得输出均方误差最小。此外，模糊命题、模糊逻 辑理论与人工智能、知识工程的结合已被广泛用于故障诊断。
40、不仅如此，模糊 系统理论在多层次综合评判及决策、工程预测和估算以及机械工程领域也有深 远影响26。模糊系统理论也存在许多潜在的应用领域：在机械制造中的金属切 削加工领域及材料科学与工程领域如现在方兴未艾的材料设计、材料制备合成 及材料性能的评价等领域，均存在多层次的模糊性和复杂性。课题的背景、目 的和意义1.3 课题的背景、目的和意义随着现代化大生产的发展和科学技术的进步，现代设备的功能越来越完 善，自动化程度越来越高，结构也越来越复杂。由于许多无法避免的因素的影 响，设备会出现各种故障，以致降低或失去其预定的功能，甚至造成严重的以 致灾难性的事故，国内外曾经发生的各种空难、海难、爆炸、断裂、
41、泄漏等恶 性事故，产生了严重的社会影响。即使是日常生产中的事故也会因生产过程不 能正常运行或机器设备损坏而造成巨大的经济损失。目前，故障定位基本上是采用基于常识推理的专家系统技术，建立在不精 确推理的理论基础上。不精确推理技术在故障诊断推理机制的开发和应用中， 起着十分重要的作用。不精确推理包括概率推理、证据推理和模糊推理三种方 法。故障诊断系统与一般自动测试系统和故障检测装置的另一区别是能够实现 故障的机理分析和故障评估。可以说，专家系统设计中不精确推理的使用，几 乎是难于避免的，成为一个涉及到专家系统设计成败的重要问题。因此，不精 确推理模型是专家系统的一个核心研究课题。目前所见报道的绝大
42、部分研究成果几乎都是就一个具体目标系统提出一种 或若干种诊断方法并付诸实施，而尚未建立起完整的理论体系。因此无论是从 理论上，还是从工程技术的实际应用上，该领域都有大量的课题有待研究。本课题来源于总装预研项目。所需研究的内容主要包括：不精确推理理论 研究、基于粗糙集的属性约简，根据不精确推理理论完成不精确信息的收集， 利用不精确推理技术进行故障诊断专家系统推理部分验证以及应用分析。在不 精确理论和故障诊断技术飞速发展的今天，将两者结合并进行网络化的故障诊 断可以实现资源的整合、优化，这种故障诊断技术对国防现代化建设和我国航 天事业的发展起着重要的作用。因此，研究不精确推理方法对于故障诊断技术
43、的发展和工程应用都具有十分重要的意义。1.4主要研究内容本文主要研究的是不精确推理的各种理论以及相关的推理算法和模型。在 进行不精确推理前，可以对具有繁琐而大量信息的数据进行属性约简，使精炼 后具有代表特征的数据进入推理机。进行不精确推理现阶段比较常用的四种模 型是有：确定性理论、主观贝叶斯理论、证据理论和可能性理论，如图 1-2 所 示。诊断 规 则 的 数 据 预 处理确定性理论主观贝叶斯理论证据理论不精 确 推 理 应 用 分析可能性理论不精确推理理论基础图 1-2 不精确推理方法研究的总体框图本文集中讨论了实现推理机的不精确推理方法，分别从基于概率推理、基 于证据理论以及基于模糊推理论
44、述了不精确推理的三种重要的推理方法以及其 应用分析。首先从基于概率推理的角度，运用公式和定理说明了确定性理论和 主观贝叶斯理论的概念、原理，利用 MATLAB 对导弹故障诊断系统中的部分 推理网络实例进行了仿真实验，并通过设计实验完成了基于概率推理的不精确 推理方法的使用条件和注意事项。然后类似分析了论述了基于证据理论的不精 确推理方法，利用导弹故障诊断系统的部分推理网络进行了仿真实验，并通过 设计实验对比说明了基于证据理论的主要优势和不足之处。本文重点论述了基 于模糊推理的不精确推理方法，从诊断知识的模糊描述出发，通过对模糊可信 度的计算和模糊匹配原理分析，指出了专家系统广泛应用基于模糊推理
45、的不精确推理技术研发推理机的原因。 最后从推理机设计的角度出发，先概述了不精确推理的数据预处理方法，即基于粗糙集的属性约简，对来自数据库复杂而又繁琐的数据进行诊断规则的 数据预处理。然后用 VC+的动态链接库将上述算法加以通用性封装，并说明 了动态调用程序的方法。本文还以模糊推理和模糊匹配原理为基础，开发并设 计了导弹故障诊断系统的模糊推理机，并进行了局域测试，完成了整个导弹故 障诊断系统的最终设计。同时，展望不精确推理机在故障诊断系统中的应用， 说明了不精确推理在实际问题中具有明显的优势，重要的研究价值和广阔的发 展空间，不精确推理的不断发展和更新将推动人工智能的不断提高和拓展。1.5 本文
46、的结构本文在第 1 章对国内外现状进行分析，提出本文主要研究内容和研究方向,介绍了不精确推理方法的基本概念和基本结构。第 2 章和第 3 章主要介绍基于 概率推理的不精确推理方法研究，以及基于证据推理的不精确推理方法研究， 通过 MATLAB 仿真实验对于推理网络进行概率推理和证据推理，验证基本算 法的同时，提出了应用该推理方法的使用条件和注意事项。第 4 章着重介绍了 基于模糊推理的不精确推理方法研究。首先分别从诊断知识的模糊描述、模糊 可信度计算以及字符串的模糊匹配原理角度出发，通过对导弹故障诊断系统的 部分数据进行推理仿真，提出了模糊匹配原理的程序实现方法。第 5 章总体分 析了不精确推理方法的应用，首先分析总结了四种推理模型的特点，介绍了不 精确推理数据预处理的相关知识，指出对于特殊要求的系统可以利用基于粗糙 集两种约简方法对复杂数据进行处理。然后将不精确推理方法用动态链接库的 形式实现了通用性封装，最后通过模糊推理的不精确推理方法设计并实现导弹 故障诊断推理机，并分析了实际应用中，模糊推理和其它不精确推理模型己成 为新一代专家系统推理模型的研究方向和热点。第2章 基于概率推理的不精确推理方法研究2.1概率推理概述